Voleon Group：一家『纯』用机器学习策略的对冲基金

​全网TOP量化自媒体

全球规模最大、表现最好、最成功的的人工智能对冲基金之一的Voleon Group最近受到市场冲击后，出现巨额了亏损，成为了今年众多陷入困境的AI驱动型基金管理公司的一员。

Voleon Group由前DE Shaw交易员Michael Kharitonov和Jon McAuliffe创建，在2019年AUM为51亿美元，现在最新的AUM约为60亿美元。不过今年的旗舰Investors fund亏失了约9%，其最近推出的Institutional Strategies基金今年亏损了1.5%。

西蒙斯老爷子的文艺复兴科技、David Harding的元盛资本等知名量化基金今年也出现了亏损，原因是算法难以应对极端的市场波动。

Voleon它的不同寻常之处、它的声誉主要是因为其所有策略完全依靠人工智能、机器学习技术。尽管许多量化基金公司在投资过程中会使用部分机器学习算法（有些可能辅助，有些可能还会有一些人工的参与），但很少有公司纯使用机器学习算法，其中统计套利策略就是Voleon应用的方面之一。

最开始Voleon面临的一个挑战是，需要利用每只股票的tick数据 ，对其进行为期15年的模拟。这涉及到大量的数据。他们需要几天甚至几周的时间。当时，整个Voleon大约有10到12个人，他们试图购买更多的算力，把GPU也加进来，但还是花了太长时间。McAuliffe花了数月时间独自在办公室里，专注于错综复杂的细节。最终，他成功了！Voleon在2012年7月推出了第二代平台系统，其在2012年和2013年分别获得了34.9%和46.3%的收益。

Jon McAuliffe

McAuliffe说：暴力方法不起作用，标准方法不起作用！

Voleon真是完全专注于机器学习：它对系统买卖一只股票的原因完全不感兴趣

，干就完了！

伯克利已故统计学家Leo Breiman曾说过：机器学习系统的预测性越强，人们就越难以理解它要做什么。这一现象的根源在于，人类的思维生来就是为了理解大约3个维度的场景，而机器学习系统却能掌握数十个或数百个维度。它们的力量在于发现这些维度之间的联系，通常是非线性的。

McAuliffe也表示到：这并不意味着我们不考虑正在发生的事情。Voleon的研究人员有时会设计他们所谓的干扰算法来研究各种输入对预测系统的重要性。这种测试还可以帮助他们弄清楚，在某些情况下，它是否太过依赖历史数据而无法用于预测。在统计学上，这被称为过拟合。

同时，Voleon的系统不仅在金融数据中寻找Alpha，也在另类数据中寻找Alpha。所以说另类数据还是蛮有用的！只是有些人不怎么会用罢了哈哈~

另类数据解读，可见公众号文章：

人工智能和另类数据：夸大其词 or 确有其用?

不过公众号觉得，Pure机器学习策略还是有点难的，因为很多模型没有经济理论基础支撑。公众号认为且建立一个基于机器学习的对冲基金：它的难度是预期的三倍，花费的时间是预期的三倍。

但是机器学习无疑是这个对冲基金行业的一个焦点。AQR也成立了一个部门来专门进行探索研究。尽管收益可能是渐进式的，而非革命性的，不过照目前情况来看，机器学习有可能成为量化投资领域下一个飞跃。

AQR在一份报告中详细说明了一些问题，请看：

AQR最新研究 | 机器能“学习”金融吗？

不过，Voleon一直在加大研发力度，自今年3月以来已招聘了约40名员工。目前，该公司约有200名员工。

根据Eurekahedge的人工智能对冲基金指数最新数据显示，人工智能对冲基金今年平均上涨14.5%。

AI对冲基金指数

月度表现

不过，这在很大程度上是由于8月份基金表现异常强劲，上涨了12.2%。

量化投资与机器学习微信公众号，是业内垂直于Quant、Fintech、AI、ML等领域的量化类主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、资管等众多圈内18W+关注者。每日发布行业前沿研究成果和最新量化资讯。